모델을 만들고 학습시킨 후 predict 메서드를 사용하여 이미지에 대한 예측을 요청할 수 있습니다. predict
메서드는 모델이 예측하는 이미지의 기본 객체를 기준으로 이미지에 라벨을 적용합니다.
온라인(개별) 예측
이 섹션에서는 주석 추가를 위해 개별 파일을 보내는 방법을 설명합니다. 이 요청은 즉시 응답을 반환합니다.
주석을 추가할 파일 배치를 보내도 됩니다. 배치 파일 주석 추가는 장기 실행 작업이며 직접 선택한 Cloud Storage 버킷에 결과를 저장합니다.
웹 UI
Vision Dashboard를 열고 왼쪽 탐색 메뉴에서 전구 아이콘을 클릭하여 사용 가능한 모델을 표시합니다.
다른 프로젝트의 모델을 보려면 제목 표시줄 오른쪽 위에 있는 드롭다운 목록에서 프로젝트를 선택하세요.
이미지에 라벨을 지정하는 데 사용할 모델의 행을 클릭합니다.
제목 표시줄 바로 아래에 있는 테스트 및 사용 탭을 클릭합니다.
이미지 업로드를 클릭하여 라벨을 지정할 이미지를 업로드합니다.
REST
예측을 테스트하려면 먼저 클라우드 호스팅 모델을 배포해야 합니다.
요청 데이터를 사용하기 전에 다음을 바꿉니다.
- project-id: GCP 프로젝트 ID입니다.
- model-id: 모델을 만들 때의 응답에서 모델의 ID입니다. ID는 모델 이름의 마지막 요소입니다.
예를 들면 다음과 같습니다.
- 모델 이름:
projects/project-id/locations/location-id/models/IOD4412217016962778756
- 모델 ID:
IOD4412217016962778756
- 모델 이름:
- base64-encoded-image: 바이너리 이미지 데이터의 base64 표현(ASCII 문자열)입니다. 이 문자열은
/9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==
문자열과 비슷해야 합니다. 자세한 내용은 base64 인코딩 주제를 참조하세요.
필드별 고려사항:
scoreThreshold
- 0~1 사이의 값입니다. 최소 점수 임곗값이 있는 값에만 이 값이 표시됩니다. 기본값은 0.5입니다.
HTTP 메서드 및 URL:
POST https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/models/MODEL_ID:predict
JSON 요청 본문:
{ "payload": { "image": { "imageBytes": "BASE64_ENCODED_IMAGE" } }, "params": { "scoreThreshold": "0.5" } }
요청을 보내려면 다음 옵션 중 하나를 선택합니다.
curl
요청 본문을 request.json
파일에 저장하고 다음 명령어를 실행합니다.
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/models/MODEL_ID:predict"
PowerShell
요청 본문을 request.json
파일에 저장하고 다음 명령어를 실행합니다.
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/models/MODEL_ID:predict" | Select-Object -Expand Content
출력은 JSON 형식으로 반환됩니다. AutoML Vision 모델의 예측 내용은 payload
필드에 포함됩니다.
displayName
은 AutoML Vision 모델이 예측한 객체의 라벨입니다.score
는 지정한 라벨이 이미지에 적용하는 신뢰도 수준입니다. 범위는0
(신뢰도 없음)~1
(신뢰도 높음)입니다.
{ "payload": [ { "annotationSpecId": "7922029656637702144", "classification": { "score": 0.9960259 }, "displayName": "roses" } ] }
Go
이 샘플을 사용해 보기 전에 클라이언트 라이브러리 페이지에서 언어 설정 안내를 따르세요.
Java
이 샘플을 사용해 보기 전에 클라이언트 라이브러리 페이지에서 언어 설정 안내를 따르세요.
Node.js
이 샘플을 사용해 보기 전에 클라이언트 라이브러리 페이지에서 언어 설정 안내를 따르세요.
Python
이 샘플을 사용해 보기 전에 클라이언트 라이브러리 페이지에서 언어 설정 안내를 따르세요.
추가 언어
C#: 클라이언트 라이브러리 페이지의 C# 설정 안내를 따른 다음 .NET용 AutoML Vision 참고 문서를 참조하세요.
PHP: 클라이언트 라이브러리 페이지의 PHP 설정 안내를 따른 다음 PHP용 AutoML Vision 참고 문서를 참조하세요.
Ruby: 클라이언트 라이브러리 페이지의 Ruby 설정 안내를 따른 다음 Ruby용 AutoML Vision 참고 문서를 참조하세요.